北京
“當前，人工智能正在經歷從‘通用能力’向‘專業賦能’演進的關鍵階段。”全國政協委員、九三學社中央常委、中國科學院院士李景虹在接受中國城市報記者采訪時表示，在推進過程中，通用大模型由于缺乏對特定產業場景的深度理解，難以滿足復雜、專業的行業需求，制約了“人工智能+”的實際效能。
李景虹認為，破局的關鍵，在于大力發展基于高質量行業數據的垂直領域大模型，將其打造為賦能千行百業的“行業專才”與新型基礎設施。
李景虹在調研中發現，我國在推動行業大模型發展過程中，面臨高質量專業數據供給不足、數據治理規則不健全、數據共享機制不暢等突出矛盾。
“在化工、材料、生物醫藥等高度依賴專業數據的領域，我國長期依賴購買國外商業數據庫，自身缺乏系統性的數據積累與標準化體系建設。行業內部，企業間數據壁壘高筑，缺乏互利共享的有效機制。”李景虹舉例表示，人工智能制藥企業難以獲取醫院的診療數據，智能制造企業難以共享工藝參數數據，導致高價值數據分散、封閉，難以形成規模化、標準化的訓練資源。
“行業數據的系統性建設與創新性治理，已成為‘人工智能+’能否走深走實的關鍵變量。”李景虹建議，將行業數據資源建設提升到與技術創新、硬件投入同等重要的戰略高度，通過分類施策、機制創新與規則完善，為“人工智能+”夯實數據基石。
具體而言，建議優先選取生物醫藥、高端材料、精細化工、智能制造等數據價值密度高、智能化需求迫切的行業，開展“人工智能+行業數據”試點。針對每個試點行業，研究制定“行業高質量數據發展指南”，明確該領域高質量數據的定義標準、技術規范、關鍵缺失清單及階段性建設目標。通過試點先行，形成可復制、可推廣的經驗，逐步構建覆蓋重點行業的專業數據資源體系。
■來源：中國城市報記者 鄭新鈺
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
